精选 21 篇，从 17100+ 条中筛选
RAGFlow是一个开源的RAG（检索增强生成）引擎，融合了先进的RAG技术与Agent能力，为LLM提供强大的上下文层。它旨在帮助企业高效地将复杂数据转化为高保真AI系统，支持多种数据源和多种语言，提供自动化RAG工作流。RAGFlow的核心功能包括深度文档理解、基于模板的chunking、减少幻觉的grounded citations等。其技术架构亮点在于集成了预建的agent模板和汇聚的上下文引擎，支持多种LLM和嵌入模型。在LLM生态中，RAGFlow的价值在于其独特的RAG与Agent结合方式，以及高效的数据处理能力。
Hello-Agents项目是一个系统性智能体学习教程，旨在帮助开发者从零开始构建智能体系统。它填补了智能体构建实践教程的空白，提供了从基础理论到实际应用的全面指导。项目采用Python语言，集成了多种框架和工具，如Coze、Dify、LangGraph等，并提供了自研框架HelloAgents。Hello-Agents在LLM生态中的价值在于其理论与实践并重的教学方式，帮助开发者从使用者转变为构建者。
NewBie-image-Exp0.1是一款基于Next-DiT架构的文本到图像生成模型，定位为多模态模型。该模型采用Gemma3-4B-it作为文本编码器，结合Jina CLIP v2进行特征融合，使用FLUX.1-dev VAE进行图像编码。模型在大型动漫数据集上预训练，具有生成高质量动漫图像的能力。性能方面，未提供具体基准测试结果，但模型在动漫风格图像生成方面具有显著优势。开源协议为newbie-nc-1.0，适合对动漫图像生成有特定需求的场景。
mistralai/Devstral-2-123B-Instruct-2512是一款大型语言模型，定位为通用大模型。其核心能力在于其庞大的参数量和上下文长度，支持vLLM和TGI等流行推理框架。在性能表现上，该模型在多个基准测试中表现出色，具有代码生成、数学推理和多语言能力等优势。主要应用场景包括自然语言处理、代码生成和数学问题解决等。该模型开源，对硬件要求较高，推理效率良好。
GLM-ASR-Nano-2512是一款专注于语音识别的领域大模型，具有1.5B参数。该模型在方言支持、低音量语音识别和性能表现上具有显著优势，尤其在粤语和低音量语音识别方面表现出色。其在多个基准测试中取得了优异的成绩，展现出在复杂声学环境下的强大能力。模型采用transformers库，支持多种推理框架，适用于开源协议，具有较低的硬件需求和高推理效率。
AutoGLM-Phone-9B是一款基于AutoGLM框架的移动智能助手模型，定位为多模态模型。该模型具有强大的图像-文本到文本的转换能力，能够通过视觉语言模型理解手机屏幕内容，并执行自动化操作完成任务。模型架构基于GLM-4.1V-9B-Base，具有9B参数量。在性能上，模型在自然语言处理任务中表现出色，尤其在理解用户意图和执行复杂任务方面具有优势。模型开源，适用于需要移动设备智能交互的场景，如智能客服、个人助理等。
LongCat-Image-Edit是一款专注于图像编辑的模型，定位为多模态模型。它采用transformers库，具有强大的语义理解和精确编辑能力，支持多种编辑任务。该模型在图像编辑领域表现出色，具有高视觉一致性。性能方面，其在同类模型中处于领先地位。主要应用场景包括图像编辑、图像生成等。该模型开源，易于使用，适合对图像编辑有较高要求的用户。
🔥 zai-org/GLM-4.6V-Flash 是一款轻量级的多模态模型，定位于通用大模型领域。该模型具有9B参数量，支持中英双语，具备原生多模态函数调用能力，能够实现图像、文本的混合内容生成。在视觉理解方面，该模型在同类参数规模模型中达到SoTA性能。其性能在多个基准测试中表现优异，尤其在多模态内容生成方面具有显著优势。模型适用于需要低延迟、轻量级部署的场景，如桌面助手应用等。
GLM-4.6V是一款由zai-org开发的通用大模型，具有106B的参数量，支持中英双语。该模型在视觉理解方面表现出色，并首次集成了原生函数调用能力，实现了从视觉感知到执行动作的统一技术基础。其在多个基准测试中取得了同类模型中的领先地位。GLM-4.6V适用于云和集群场景，并提供了轻量级版本GLM-4.6V-Flash，适用于本地部署和低延迟应用。
🔥 ostris/Z-Image-De-Turbo是一款基于Tongyi-MAI/Z-Image-Turbo的微调模型，定位为多模态模型。其核心技术为diffusers库和safetensors，支持text-to-image的pipeline。该模型在Hugging Face Hub上下载量达147,234次，具有较好的性能表现。适用于图像生成等任务，具有开源协议Apache-2.0，适合在多种硬件上运行。
EssentialAI的rnj-1-instruct模型是一款针对代码和STEM领域优化的开源大模型，具有8B参数量。该模型在多种编程语言中表现优异，具备强大的代理能力和工具调用功能，同时在数学和科学领域也有出色表现。模型在HuggingFace平台上具有较高的下载量和点赞数，表明其在LLM领域具有一定的竞争力。rnj-1-instruct的核心技术在于其开放权重和密集的模型架构，以及针对特定领域的优化。在性能上，该模型在多个基准测试中取得了良好的成绩，特别是在代码生成和数学推理方面。该模型适用于需要高性能代码生成和数学计算的场景，如教育、科研和软件开发。
LongCat-Image是一款定位在多模态模型领域的开源基础模型，具有6B参数量，专注于图像生成。其核心能力在于高效的模型设计、强大的中文文本渲染和出色的图像真实感。在性能表现上，LongCat-Image在多个基准测试中展现出超越同类模型的潜力。该模型适用于需要高效图像生成的场景，具有开源Apache-2.0协议，对硬件要求适中，推理效率较高。
Devstral-Small-2-24B-Instruct-2512是一款专注于软件工程任务的代码能力领先的专用大模型。该模型基于Mistral-Small-3.1-24B-Base-2503基座模型，采用FP8格式，具有256k的上下文窗口。它在SWE-bench基准测试中表现出色，适用于AI代码助手、软件工程任务等。模型具有轻量级、开源Apache 2.0协议等特点，适用于本地部署和设备使用。
ServiceNow-AI的Apriel-1.6-15b-Thinker是一款多模态推理模型，定位为通用大模型。该模型基于Transformer架构，具有15B参数，上下文长度未明确提及。它在多个基准测试中表现出色，如Artificial Analysis Index和Tau2 Bench Telecom，效率高，推理token使用量减少超过30%。该模型适用于需要高效推理和多模态理解的应用场景，如企业领域。
VoxCPM1.5是一款专注于语音合成的tokenizer-free Text-to-Speech (TTS)模型，定位为特定领域微调模型。它基于MiniCPM-4 backbone，采用扩散自回归架构，实现连续语音表示的直接生成。模型在音频质量和效率上有所提升，支持SFT和LoRA进行个性化训练。性能上，VoxCPM1.5在音频质量上优于同类模型，支持高采样率和低token率，同时保持高效能。主要应用场景包括语音合成和语音克隆。开源协议为Apache-2.0，适合对音频质量和效率有较高要求的场景。
DeepMind 宣布与英国政府加强合作，旨在支持人工智能时代的繁荣与安全。公司展示了其下一代人工智能系统，包括 Gemini 模型、Nano Banana 图像编辑工具、Gemma 开放模型以及生成式模型如 Imagen、Lyria 和 Veo。此外，DeepMind 还分享了其在多个领域的人工智能突破，如 AlphaFold、AlphaGenome、AlphaEvolve 和 AlphaProof。公司强调通过负责任地构建人工智能来造福人类，并确保人工智能的安全性。
Google DeepMind 与英国AI安全研究所（AISI）加强合作，共同推进关键AI安全和安全研究。DeepMind在其网站上展示了下一代人工智能系统的最新进展，包括智能AI模型Gemini、用于图像创建和编辑的Gemini Image，以及轻量级模型系列和生成模型。此外，DeepMind还分享了其在AI领域的重大突破，如Genie 3、AlphaGo和AlphaZero，并在多个科学领域展示了其应用，强调构建负责任AI的使命。
OpenAI 正在投资于更强大的安全防护和防御能力，以应对日益强大的AI模型在网络安全领域的挑战。该公告解释了如何评估风险、限制滥用，并与安全社区合作以增强网络韧性。
这篇论文通过实证研究，探讨了在软件工程中基于LLM的自主代理在资源受限环境下使用SLMs进行问题解决框架的能量效率。研究评估了四个主要框架在SLMs约束下的性能、能量效率和资源消耗，发现框架架构是能量消耗的主要驱动因素，但大部分能量被浪费在无效的推理循环中。
这篇论文提出了一种新的方法，通过对抗预训练的Transformer模型，使其能够作为通用的鲁棒基础模型，通过轻量级的调整，在多种下游任务中表现出鲁棒性。该方法通过在多种分类任务中进行对抗预训练，使模型能够从干净的数据中学习，无需额外的对抗训练或示例，从而推广到未见过的分类任务。
这篇论文提出了NumCoKE，一个基于混合专家和对比学习的知识图谱数值推理框架，旨在解决现有方法在语义整合和序数推理方面的不足。NumCoKE通过引入MoEKA编码器和OKCL学习策略，实现了对实体、关系和数值属性的联合编码，并提高了对序数关系的捕捉能力。
这篇论文提出了一种名为CAMA（上下文感知调制注意力）的方法，用于改进多模态上下文学习（ICL）。CAMA通过动态调整注意力权重来增强对语义重要标记的关注，特别是在视觉标记上，从而提高大型视觉语言模型（LVLMs）在ICL中的性能。
这篇论文提出了一种名为Generative Agents的新方法，用于评估AI生成的内容。该方法通过模拟人类判断，对AI生成内容的多个方面进行评分，如连贯性、有趣性、清晰度、公平性和相关性，从而帮助企业在内容生成过程中实现高效、低成本的质量控制。
这篇论文提出了一个名为“Agent-Centric Data Fabric”的统一架构，旨在解决由大型语言模型和推理代理驱动的多代理系统在数据管理架构中的局限性。该架构通过注意力引导的数据检索、语义微缓存、预测数据预取和基于共识的数据服务机制，使代理能够更快速、更高效地访问数据，同时减少冗余查询和数据移动。
